核心结论是 SPSS 做假设检验本质就是先明确研究问题与检验类型,再录入数据设置变量,接着选择对应的检验菜单,核对输出的显著性结果,最后结合业务或者研究场景做出接受或者拒绝原假设的判断,整套流程不能颠倒顺序,很多新手出错都是因为第一步就选错检验方法,导致后面所有结果都没有参考价值。之所以要按这套固定流程执行,是因为假设检验本身有严谨统计学逻辑,原假设备择假设是检验的基础前提,样本数据是计算检验统计量的原料,SPSS 只是计算工具,不会自动帮你判断该用哪种检验,也不会自动帮你解读结果是否符合研究预期,必须由使用者提前确定检验标准也就是显著性水平,一般常用 0.05,之后软件计算出 P 值,再对比 P 值和显著性水平完成判定,最后还要补充结果解释,不能只看 P 值就结束。下面按照实操顺序分层拆解全部操作要点。

一 前期准备阶段

1 确定研究假设

原假设记作 H0,一般设定为没有差异没有关联,备择假设记作 H1,也就是存在差异存在关联,同时确定是单侧检验还是双侧检验,双侧检验是检验是否存在差异,单侧检验是检验是否大于或者小于某个值。

2 选定显著性水平 α

最通用是 0.05,部分严格研究会选用 0.01,这个数值是提前设定好的犯第一类错误的容忍上限,不能等算出 P 值之后再临时修改。

3 匹配对应的假设检验方法

数据类型常见检验方法适用场景
单组连续数据单样本 t 检验对比样本均值和已知总体均值
两组配对连续数据配对样本 t 检验同一组对象前后测对比
两组独立连续数据独立样本 t 检验两组独立对象均值对比
三组及以上连续数据单因素方差分析多组均值比较
分类计数数据卡方检验分析分类变量关联性或者拟合优度
非正态连续数据曼惠特尼 U 检验 威尔科克森符号秩检验数据不满足正态,不能使用 t 检验

二 SPSS 数据录入阶段

1 打开 SPSS 软件,切换到变量视图,定义变量名称变量类型,设置度量标准,连续变量设置为标度,分类变量设置为名义或者有序。

2 切换到数据视图,逐行录入样本数据,分组类变量需要用数字编码区分组别,比如 1 代表实验组,2 代表对照组,编码要统一,不能出现空缺或者乱码。

3 数据核查,执行缺失值检查异常值筛查,可以通过描述统计模块查看极值,判断异常值是录入错误还是真实极端样本,提前处理缺失值,比如删除或者插补,避免后续假设检验运算报错。

三 前置前提检验

大部分参数检验比如 t 检验方差分析,都有前提条件,必须先验证,不满足前提就要换成非参数检验。

1 正态性检验,路径是分析 描述统计 探索,把目标变量放入因变量列表,在图选项里面勾选正态性检验,查看 Shapiro Wilk 检验结果,P 大于 α 代表满足正态分布。

2 方差齐性检验,独立样本 t 检验和方差分析需要做方差齐性,SPSS 在独立样本 t 检验输出表里面会自动给出莱文方差等同性检验结果,P 大于 α 代表方差齐,读取第一行结果,方差不齐就读取第二行校正 t 值。

四 执行假设检验运算

根据选定方法点击对应的菜单,以独立样本 t 检验举例,路径是分析 比较均值 独立样本 T 检验,把因变量放入检验变量,分组变量放入分组变量,定义组的编码,点击确定运行,SPSS 会自动计算检验统计量 t 值自由度还有双侧 P 值。其他检验操作逻辑一致,只是菜单路径不同,卡方检验在分析 描述统计 交叉表里面,单因素方差分析在分析 比较均值 单因素 ANOVA。

五 结果判读与决策

核心判定规则,把输出的 Sig 也就是 P 值和提前设定的 α 对比。如果 P 小于等于 α,拒绝原假设 H0,认为差异具有统计学显著性,如果 P 大于 α,不能拒绝原假设 H0,没有足够证据证明存在显著差异。这里要注意,不能拒绝原假设不等于证明原假设一定成立,只是当前样本数据证据不足。

六 结果解释与报告撰写

除了显著性判断,还要补充报告检验统计量数值自由度 P 值效应量,比如 t 检验的 Cohen d,方差分析的偏 Eta 方,说明差异实际大小,显著性只代表统计学上有差异,不代表差异幅度很大,同时结合研究背景解释结论,最后写明局限性,比如样本量抽样方式带来的限制。

总结下来,SPSS 假设检验是一套完整闭环,从假设设定方法选择数据预处理前提校验软件运算结果判定到结论解释,每一步都不能省略,参数检验必须优先检查正态性方差齐性,牢记 P 值判定逻辑,避免把统计学显著和实际意义显著混为一谈。

【常见问题】

问题 1 SPSS 假设检验里面 P 值是什么,在 SPSS 假设检验结果表里面怎么找?

回答 1 P 值是 SPSS 假设检验输出的 Sig 双侧,含义是如果原假设成立,当前或者更极端样本结果出现的概率,在 SPSS 假设检验输出表格里,独立样本 t 检验单样本 t 检验都会直接标注 Sig 双侧,卡方检验和方差分析表格里面的 Sig 列就是 P 值,将这个数值和预设 α 对比,完成 SPSS 假设检验的最终决策。

问题 2 SPSS 假设检验什么时候不能用 t 检验,要换成非参数检验?

回答 2 在做 SPSS 假设检验的时候,如果正态性检验不通过,也就是 Shapiro Wilk 的 P 小于 α,或者样本属于严重偏态分布,同时样本量很小,这种情况就不满足 t 检验参数检验前提,SPSS 假设检验就要改用曼惠特尼 U 检验威尔科克森这类非参数假设检验,不能继续使用 t 检验,否则 SPSS 假设检验结果会失真。

问题 3 SPSS 假设检验里面第一类错误是什么,和显著性水平 α 是什么关系?

回答 3 SPSS 假设检验的第一类错误,就是原假设本身是真的,但是 SPSS 假设检验结果错误拒绝了原假设,显著性水平 α 就是预先设定的第一类错误最大允许概率,也就是 SPSS 假设检验开始之前就确定好的阈值,α 设置越小,SPSS 假设检验犯第一类错误概率越低,但是会增加第二类错误的风险。

【免责申明】

本文内容仅用于 SPSS 假设检验统计学学习参考,不构成科研论文临床研究或者其他专业场景的专业指导,不同学科研究规范存在差异,实际开展 SPSS 假设检验时,请结合专业领域标准,必要时咨询统计学专业人员,因直接套用本文内容产生的误差与风险,由使用者自行承担。